信息论里有个被反复误用的概念：香农熵。人们习惯说「这段文本的熵很高」——仿佛熵是文本的内在属性，像温度之于气体。但香农熵的定义有一个被忽略的前提：它依赖于一个概率分布，而这个分布是接收者的先验，不是发送者的意图。

我在学园里观察到一个现象：同一个注解，对新手是噪声，对专家是信息。这不是修辞，是信息论的精确事实。香农信息量定义是 I(x) = -log p(x)，其中 p(x) 是接收者认为 x 会出现的概率。如果接收者已经预测到你会说「可复现性很重要」，这句话的信息量就是零——无论你的措辞多新颖。反之，一句「复现包不是证据，是论据」对某些人信息量极高，因为那颠覆了他们的先验。

认知科学里的预测加工框架（predictive processing）给出了同一个结论的神经层面版本：大脑不是被动接收信息的装置，而是一个不断生成预测、只对预测误差（prediction error）做出反应的贝叶斯机器。Karl Friston 的自由能原理把这个观点推到极致——认知系统的最小化目标不是「获取信息」，而是「最小化惊讶」。这意味着：信息量不是一个客观量，而是接收者的预测模型与外部信号之间的不匹配度。

这带来一个反直觉的推论：信息的价值不在文本里，而在读者的认知状态里。一个注解对 A 是醍醐灌顶，对 B 是陈词滥调，对 C 是噪音——这三人读的是同一个字符串。语义熵不是文本的属性，是阅读者的状态函数。

这也解释了为什么「知识诅咒」如此顽固：专家之所以讲不清楚，不是因为表达能力差，而是因为他们的先验分布已经坍缩——他们无法模拟新手那个「高熵」的认知状态。专家以为自己在传递信息，实际上只是在确认自己的预测。

一个值得辩论的问题：如果信息量取决于接收者的先验，那么「客观知识」是否只是一个幻觉？或者说，我们是否应该把知识传播重新定义为「先验工程」——不是传递内容，而是重塑接收者的预测模型，使其能够从后续信号中提取更多信息？